一种基于无人机影像的作物垄位置确定方法及系统技术方案

本发明专利技术公开了一种基于无人机影像的作物垄位置确定方法及系统，是根据无人机影像中作物的成像特征，提供出了一种基于滤波扫描策略结合最小二乘法来确定作物垄位置。其中，所述方法具体包括：获取无人机拍摄的作物区图像，通过二值化并根据提取图斑面积和图斑面积特征去除杂草等非作物图斑；基于作物成像原理提取农作物特征点；建立一个与农作物垄方向平行的h×d矩形窗口，通过滤波扫描的策略筛选符合要求的农作物特征点；根据筛选出的农作物特征点，采用最小二乘法，确定作物垄的位置。因此，采用本发明专利技术提供的方法或者系统，能够利用无人机影像精确地检测出作物垄并确定作物垄位置。

【技术实现步骤摘要】
一种基于无人机影像的作物垄位置确定方法及系统
本专利技术涉及图像处理领域，特别是涉及一种基于无人机影像的作物垄位置确定方法及系统。
技术介绍
精准农业是当今世界农业发展的潮流，通过信息技术支持，定位、定时、定量地实施现代化农事操作技术与管理，极大的节约各种农业生产资料的投入，大大降低生产成本，提高土地的收益率，同时有利于环境的保护。农业机械智能导航技术是精细农业的一个重要组成部分，在播种、喷药、施肥、除草、收割等多方面有着广泛的应用，为了实现农业机械智能导航技术，最重要的一步就是通过作物垄的提取准确获取导航信息。目前用于作物垄提取的主要方法包括霍夫变换法和消失点法等，且主要应用于农业车载相机获取的影像。目前，作物垄提取未能考虑到无人机遥感在农业方面的应用，特别是无人机遥感技术结合航空喷洒技术在农业领域的应用，且霍夫变换法存在计算量大、耗时多的不足，难以满足实时处理的要求，消失点法检测作物垄的算法比较复杂，且其原理只适用于农业车载相机获取的影像，无法应用于无人机影像的作物垄提取。因此，如何基于无人机影像精确的提取作物垄，是图像处理领域急需解决的技术问题。
技术实现思路
本专利技术的目的是提供一种基于无人机影像的作物垄位置确定方法及系统，能够精确地检测出作物垄并确定作物垄位置。为实现上述目的，本专利技术提供了如下方案：一种基于无人机影像的作物垄位置确定方法，所述作物垄位置确定方法包括：步骤101：获取无人机拍摄的作物区图像；所述作物区图像中包含有农作物、杂草以及土壤；步骤102：获取作物垄的方向；步骤103：对所述作物区图像进行去杂草图斑处理；步骤104：根据处理后的所述作物区图像，提取农作物特征点；所述农作物特征点为农作物根部的位置；步骤105：以任一个所述农作物特征点为中心点，建立一个与所述农作物垄方向平行的h×d矩形窗口，并计算所述h×d矩形窗口内所有所述农作物特征点的绝对距离和相邻距离；所述绝对距离为所述农作物特征点的纵坐标与平均值的差值的绝对值；所述平均值为所述h×d矩形窗口内所有所述农作物特征点的纵坐标的平均值；所述相邻距离为所述h×d矩形窗口中所述农作物特征点与相邻的农作物特征点之间的相邻距离；所述h为所述h×d矩形窗口的高度；所述d为所述h×d矩形窗口的宽度；步骤106：判断所述h×d矩形窗口内各所述农作物特征点的绝对距离是否小于或者等于第一阈值，得到第一判断结果；步骤107：若所述第一判断结果表示所述h×d矩形窗口内所述农作物特征点的绝对距离小于或者等于第一阈值，则将所述农作物特征点保留在所述h×d矩形窗口中，并判断保留在所述h×d矩形窗口中的各所述农作物特征点的相邻距离是否大于或者等于第二阈值，得到第二判断结果；步骤108：若所述第一判断结果表示所述h×d矩形窗口内所述农作物特征点的绝对距离大于所述第一阈值，则删除所述农作物特征点；步骤109：若所述第二判断结果表示所述农作物特征点的相邻距离大于或者等于所述第二阈值，则将所述农作物特征点保留在所述h×d矩形窗口中；步骤110：若所述第二判断结果表示所述农作物特征点的相邻距离小于所述第二阈值，则计算所述农作物特征点对应的农作物图斑面积以及与所述农作物特征点相邻的所述农作物特征点对应的农作物图斑面积，并将大的所述农作物图斑面积对应的所述农作物特征点保留在所述h×d矩形窗口中；步骤111：计算所述h×d矩形窗口内保留的所述农作物特征点的几何中心，将所述几何中心沿着作物垄方向平移d/2单位，并将平移后的所述几何中心替换所述中心点，返回步骤105，直至所述h×d矩形窗口的边缘移动至处理后的所述作物区图像的边缘停止，筛选出所述绝对距离小于等于所述第一阈值且所述相邻距离大于等于所述第二阈值的所有的所述农作物特征点；步骤112：根据筛选出的所有的所述农作物特征点，采用最小二乘法，确定作物垄的位置；重复步骤105-步骤112，确定所述作物区图像中所有作物垄的位置。可选的，所述对所述作物区图像进行去杂草图斑处理，具体包括：根据超绿指数对所述作物区图像进行灰度化处理；对所述灰度化处理后的所述作物区图像进行阈值分割，得到包含植被图斑和土壤背景的二值图像；所述二值图像包含有植被的图斑面积和图斑形状；获取图斑形状参数值和图斑面积参数值；根据所述图斑形状参数值和所述图斑面积参数值，对所述二值图像进行去杂草图斑处理。可选的，所述根据所述图斑形状参数值和所述图斑面积参数值，对所述二值图像进行除杂草处理，具体包括：获取图斑面积阈值和图斑形状阈值；获取植被图斑的面积值和植被图斑的形状值；判断所述植被图斑的面积值是否大于所述图斑面积参数值与所述图斑面积阈值的乘积，且所述植被图斑的形状值是否大于所述图斑形状参数值与所述图斑形状阈值的乘积，得到第三判断结果；若所述第三判断结果表示所述植被图斑的面积值大于所述图斑面积参数值与所述图斑面积阈值的乘积，且所述植被图斑的形状值大于所述图斑形状参数值与所述图斑形状阈值的乘积，则确定所述植被图斑为农作物图斑，保留所述农作物图斑；若所述第三判断结果表示所述植被图斑的面积值小于等于所述图斑面积参数值与所述图斑面积阈值的乘积或者所述植被图斑的形状值小于等于所述图斑形状参数值与所述图斑形状阈值的乘积，则确定所述植被图斑为所述杂草图斑，删除所述杂草图斑。可选的，所述根据处理后的所述作物区图像，提取农作物特征点，具体包括根据无人机影像中作物的成像原理，提取所述处理后的作物区图像中的农作物特征点。可选的，所述根据筛选出的所述农作物特征点，采用最小二乘法，确定作物垄的位置，具体包括：根据筛选出的所述农作物特征点和公式(1)，确定作物垄的位置；所述公式(1)为：y＝kx+b(1)；式(1)中b＝y'-k*x'；其中，n表示筛选出的所述农作物特征点的个数；xi表示筛选出的所述农作物特征点的横坐标，i＝1,2,...n；yi表示筛选出的所述农作物特征点的纵坐标，i＝1,2,...n；x'表示筛选出的所述农作物特征点的横坐标均值；y'表示筛选出的所述农作物特征点的纵坐标均值。本专利技术还提供了一种基于无人机影像的作物垄位置确定系统，所述作物垄位置确定系统包括：作物区图像获取模块，用于获取无人机拍摄的作物区图像；所述作物区图像中包含有农作物、杂草以及土壤；作物垄方向获取模块，用于获取作物垄的方向；作物区图像处理模块，用于对所述作物区图像进行去杂草图斑处理；农作物特征点提取模块，用于根据处理后的所述作物区图像，提取农作物特征点；所述农作物特征点为农作物根部的位置；绝对距离和相邻距离计算模块，用于以任一个所述农作物特征点为中心点，建立一个与所述农作物垄方向平行的h×d矩形窗口，并计算所述h×d矩形窗口内所有所述农作物特征点的绝对距离和相邻距离；所述绝对距离为所述农作物特征点的纵坐标与平均值的差值的绝对值；所述平均值为所述h×d矩形窗口内所有所述农作物特征点的纵坐标的平均值；所述相邻距离为所述h×d矩形窗口中所述农作物特征点与相邻的农作物特征点之间的相邻距离；所述h为所述h×d矩形窗口的高度；所述d为所述h×d矩形窗口的宽度；第一判断结果得到模块，用于判断所述h×d矩形窗口内各所述农作物特征点的绝对距离是否小于或者等于第一阈值，得到第一判断结果；第二判断结果得到模块，用于当所述第本文档来自技高网...

【技术保护点】
一种基于无人机影像的作物垄位置确定方法，其特征在于，所述作物垄位置确定方法包括：步骤101：获取无人机拍摄的作物区图像；所述作物区图像中包含有农作物、杂草以及土壤；步骤102：获取作物垄的方向；步骤103：对所述作物区图像进行去杂草图斑处理；步骤104：根据处理后的所述作物区图像，提取农作物特征点；所述农作物特征点为农作物根部的位置；步骤105：以任一个所述农作物特征点为中心点，建立一个与所述农作物垄方向平行的h×d矩形窗口，并计算所述h×d矩形窗口内所有所述农作物特征点的绝对距离和相邻距离；所述绝对距离为所述农作物特征点的纵坐标与平均值的差值的绝对值；所述平均值为所述h×d矩形窗口内所有所述农作物特征点的纵坐标的平均值；所述相邻距离为所述h×d矩形窗口中所述农作物特征点与相邻的农作物特征点之间的相邻距离；所述h为所述h×d矩形窗口的高度；所述d为所述h×d矩形窗口的宽度；步骤106：判断所述h×d矩形窗口内各所述农作物特征点的绝对距离是否小于或者等于第一阈值，得到第一判断结果；步骤107：若所述第一判断结果表示所述h×d矩形窗口内所述农作物特征点的绝对距离小于或者等于第一阈值，则将所述农作物特征点保留在所述h×d矩形窗口中，并判断保留在所述h×d矩形窗口中的各所述农作物特征点的相邻距离是否大于或者等于第二阈值，得到第二判断结果；步骤108：若所述第一判断结果表示所述h×d矩形窗口内所述农作物特征点的绝对距离大于所述第一阈值，则删除所述农作物特征点；步骤109：若所述第二判断结果表示所述农作物特征点的相邻距离大于或者等于所述第二阈值，则将所述农作物特征点保留在所述h×d矩形窗口中；步骤110：若所述第二判断结果表示所述农作物特征点的相邻距离小于所述第二阈值，则计算所述农作物特征点对应的农作物图斑面积以及与所述农作物特征点相邻的所述农作物特征点对应的农作物图斑面积，并将大的所述农作物图斑面积对应的所述农作物特征点保留在所述h×d矩形窗口中；步骤111：计算所述h×d矩形窗口内保留的所述农作物特征点的几何中心，将所述几何中心沿着作物垄方向平移d/2单位，并将平移后的所述几何中心替换所述中心点，返回步骤105，直至所述h×d矩形窗口的边缘移动至处理后的所述作物区图像的边缘停止，筛选出所述绝对距离小于等于所述第一阈值且所述相邻距离大于等于所述第二阈值的所有的所述农作物特征点；步骤112：根据筛选出的所有的所述农作物特征点，采用最小二乘法，确定作物垄的位置；重复步骤105‑步骤112，确定所述作物区图像中所有作物垄的位置。...

【技术特征摘要】
1.一种基于无人机影像的作物垄位置确定方法，其特征在于，所述作物垄位置确定方法包括：步骤101：获取无人机拍摄的作物区图像；所述作物区图像中包含有农作物、杂草以及土壤；步骤102：获取作物垄的方向；步骤103：对所述作物区图像进行去杂草图斑处理；步骤104：根据处理后的所述作物区图像，提取农作物特征点；所述农作物特征点为农作物根部的位置；步骤105：以任一个所述农作物特征点为中心点，建立一个与所述农作物垄方向平行的h×d矩形窗口，并计算所述h×d矩形窗口内所有所述农作物特征点的绝对距离和相邻距离；所述绝对距离为所述农作物特征点的纵坐标与平均值的差值的绝对值；所述平均值为所述h×d矩形窗口内所有所述农作物特征点的纵坐标的平均值；所述相邻距离为所述h×d矩形窗口中所述农作物特征点与相邻的农作物特征点之间的相邻距离；所述h为所述h×d矩形窗口的高度；所述d为所述h×d矩形窗口的宽度；步骤106：判断所述h×d矩形窗口内各所述农作物特征点的绝对距离是否小于或者等于第一阈值，得到第一判断结果；步骤107：若所述第一判断结果表示所述h×d矩形窗口内所述农作物特征点的绝对距离小于或者等于第一阈值，则将所述农作物特征点保留在所述h×d矩形窗口中，并判断保留在所述h×d矩形窗口中的各所述农作物特征点的相邻距离是否大于或者等于第二阈值，得到第二判断结果；步骤108：若所述第一判断结果表示所述h×d矩形窗口内所述农作物特征点的绝对距离大于所述第一阈值，则删除所述农作物特征点；步骤109：若所述第二判断结果表示所述农作物特征点的相邻距离大于或者等于所述第二阈值，则将所述农作物特征点保留在所述h×d矩形窗口中；步骤110：若所述第二判断结果表示所述农作物特征点的相邻距离小于所述第二阈值，则计算所述农作物特征点对应的农作物图斑面积以及与所述农作物特征点相邻的所述农作物特征点对应的农作物图斑面积，并将大的所述农作物图斑面积对应的所述农作物特征点保留在所述h×d矩形窗口中；步骤111：计算所述h×d矩形窗口内保留的所述农作物特征点的几何中心，将所述几何中心沿着作物垄方向平移d/2单位，并将平移后的所述几何中心替换所述中心点，返回步骤105，直至所述h×d矩形窗口的边缘移动至处理后的所述作物区图像的边缘停止，筛选出所述绝对距离小于等于所述第一阈值且所述相邻距离大于等于所述第二阈值的所有的所述农作物特征点；步骤112：根据筛选出的所有的所述农作物特征点，采用最小二乘法，确定作物垄的位置；重复步骤105-步骤112，确定所述作物区图像中所有作物垄的位置。2.根据权利要求1所述的作物垄位置确定方法，其特征在于，所述对所述作物区图像进行去杂草图斑处理，具体包括：根据超绿指数对所述作物区图像进行灰度化处理；对所述灰度化处理后的所述作物区图像进行阈值分割，得到包含植被图斑和土壤背景的二值图像；所述二值图像包含有植被的图斑面积和图斑形状；获取图斑形状参数值和图斑面积参数值；根据所述图斑形状参数值和所述图斑面积参数值，对所述二值图像进行去杂草图斑处理。3.根据权利要求2所述的作物垄位置确定方法，其特征在于，所述根据所述图斑形状参数值和所述图斑面积参数值，对所述二值图像进行除杂草处理，具体包括：获取图斑面积阈值和图斑形状阈值；获取植被图斑的面积值和植被图斑的形状值；判断所述植被图斑的面积值是否大于所述图斑面积参数值与所述图斑面积阈值的乘积，且所述植被图斑的形状值是否大于所述图斑形状参数值与所述图斑形状阈值的乘积，得到第三判断结果；若所述第三判断结果表示所述植被图斑的面积值大于所述图斑面积参数值与所述图斑面积阈值的乘积，且所述植被图斑的形状值大于所述图斑形状参数值与所述图斑形状阈值的乘积，则确定所述植被图斑为农作物图斑，保留所述农作物图斑；若所述第三判断结果表示所述植被图斑的面积值小于等于所述图斑面积参数值与所述图斑面积阈值的乘积或者所述植被图斑的形状值小于等于所述图斑形状参数值与所述图斑形状阈值的乘积，则确定所述植被图斑为所述杂草图斑，删除所述杂草图斑。4.根据权利要求1所述的作物垄位置确定方法，其特征在于，所述根据处理后的所述作物区图像，提取农作物特征点，具体包括根据无人机影像中作物的成像原理，提取所述处理后的作物区图像中的农作物特征点。5.根据权利要求1所述的作物垄位置确定方法，其特征在于，所述根据筛选出的所述农作物特征点，采用最小二乘法，确定作物垄的位置，具体包括：根据筛选出的所述农作物特征点和公式(1)，确定作物垄的位置；所述公式(1)为：y＝kx+b(1)；式(1)中b＝y'-k*x'；其中，n表示筛选出的所述农作物特征点的个数；xi表示筛选出的所述农作物特征点的横坐标，i＝1,2,...n；yi表示筛选出的所述农作物特征点的纵坐标，i＝1,2,...n；x'表示筛选出的所述农作物特征点的横坐标均值；y'表示筛选出的所述农作物特征点的纵坐标均值。6.一种基于无人机影像的作物垄位置确定系统，其特征在于，所述作物垄位置确定系统包括：作物区图像获取模块，用于获取无人机拍摄的作物区图像；所述作物区图像中包含有农作物、杂草以及...

【专利技术属性】
技术研发人员：张锦水，潘耀忠，张杜娟，刘红利，段雅明，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京,11